Команда развития внутренних технологических продуктов ищет Backend-разработчика с сильным профилем в обработке данных и построении агентных систем на LLM. Будем разрабатывать сервисы и агентные пайплайны, которые дают продуктовым командам и руководству верифицированную аналитику для решений по развитию и балансировке портфеля инициатив. Ищем T-shaped специалиста: глубокая экспертиза в backend, данных и агентных системах, рабочий уровень смежных (DevOps, ML Engineering).

Данные для агентов и моделей мы собираем из внутренних систем — jira, confluence, продуктовые реестры и аналитические платформы, включая потоковые данные через Kafka. На их основе построим knowledge graph (граф знаний) и RAG: сервисы отвечают продуктовым командам и руководителям с цитированием источников, а дашборды и отчеты ложатся в основу управленческих решений по приоритизации портфеля. Все сервисы разворачиваются в закрытом контуре — production-инфраструктуре внутри периметра безопасности, без выхода во внешний интернет.

Будем работать над:

•       backend-сервисами и RESTful API для доступа к аналитике и агентным ответам с цитированием источников

•       agentic-пайплайнами на LangChain, LangGraph, n8n с подключением инструментов через MCP servers, retrieval-augmented generation (RAG) поверх knowledge graph (граф знаний)

•       ETL/ELT-пайплайнами и потоковой обработкой данных (Kafka) для портфельной аналитики

Обязанности

* проектировать и разрабатывать backend-сервисы и RESTful API (Python/Django) для доступа продуктовых команд и руководителей к аналитике и агентным ответам с цитированием источников

* строить agentic-пайплайны на LangChain, LangGraph, n8n и аналогичных инструментах — оркестрация LLM-агентов, интеграция через MCP servers, RAG поверх knowledge graph

* собирать и обрабатывать данные из внутренних систем (jira, confluence, продуктовые реестры, аналитические платформы), строить ETL/ELT-пайплайны на Python/Pandas/NumPy, в том числе потоковые данные через Kafka

* готовить данные для обучения/дообучения моделей и базово настраивать/оценивать качество ML/LLM-компонентов совместно с профильными специалистами

* разворачивать и эксплуатировать сервисы в закрытом контуре (production-инфраструктура внутри периметра безопасности, без выхода во внешний интернет): Docker, Kubernetes, CI/CD

* принимать архитектурные решения по сервисам и агентным пайплайнам, отвечать за качество и поддерживаемость кода — тестирование, код-ревью

* взаимодействовать с продуктовыми и инженерными командами при формировании требований и внедрении агентных и аналитических инструментов в рабочие процессы

* готовить дашборды и рекомендации для управленческих решений по приоритизации и балансировке портфеля продуктов.

Требования

* от 3 лет опыта в backend-разработке с выводом решений в production

* опыт построения агентных систем — обязателен

* опыт самостоятельного проектирования архитектуры backend-сервисов и агентных пайплайнов, готовность нести ответственность за принятые технические решения

* Python — продвинутый уровень; Django, RESTful API

* SQL, опыт работы с реляционными и NoSQL хранилищами

* LangChain, LangGraph, MCP servers, опыт с n8n или аналогами; понимание RAG-архитектур, embeddings, векторных баз данных

* Pandas, NumPy, Kafka — обработка табличных и потоковых данных, ETL/ELT на больших объемах

* Docker, Kubernetes, CI/CD — уверенный пользовательский уровень.

Условия

* комфортный современный офис рядом с м. Кутузовская

* гибридный формат работы

* ежегодный пересмотр зарплаты, квартальная и годовая премия

* корпоративный спортзал и зоны отдыха более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

* программа адаптации и помощь руководителя на старте

* расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

* гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

* подписка Прайм с возможностью совместного использования на трёх близких

* вознаграждение за рекомендацию друзей в команду Сбера.